Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/5695
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorSantana, Adrielle de Carvalhopt_BR
dc.contributor.advisorKlen, André Monteiropt_BR
dc.contributor.authorCarvalho, Pedro Gabriel de-
dc.date.accessioned2023-06-28T11:59:32Z-
dc.date.available2023-06-28T11:59:32Z-
dc.date.issued2023pt_BR
dc.identifier.citationCARVALHO, Pedro Gabriel de. Desempenho de algoritmos para agrupamento de descontinuidades em maciços rochosos.. 2023. 61 p. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/5695-
dc.description.abstractDescontinuidade é uma superfície que separa internamente uma massa rochosa de outra. A identificação de grupos de descontinuidades permite identificar importantes parâmetros acerca da estabilidade de maciços rochosos, como mecanismos de ruptura e permeabilidade. Contudo, definir satisfatoriamente tais parâmetros utilizando a interpretação pessoal do diagrama de polos (método clássico) é por vezes insuficiente, visto que esse método depende da experiência do geotécnico e pode ainda levar a interpretações subjetivas. Nesse contexto, diversos autores apresentam o desenvolvimento de métodos numéricos de agrupamento e também métodos de otimização que buscam minimizar os fatores de subjetividade e também atingir bons indicadores de desempenho. Com base nisso é desenvolvido este trabalho que confronta os resultados e desempenho obtidos por métodos de agrupamento determinístico com métodos estocásticos, sendo eles respectivamente: Método Fuzzy K-Means e método K-Particle Swarm Optimization. Como produto, tem-se um compilado dos resultados de cada um dos métodos, com indicadores de desempenho que permitem inferir sobre melhores cenários de aplicação. Além disso, são tratados a complexidade operacional, os parâmetros de ajuste, custo computacional e sobre a identificação de descontinuidades em regiões de fronteira.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAnálise de agrupamentopt_BR
dc.subjectConjuntos de descontinuidadespt_BR
dc.subjectFuzzy K-meanspt_BR
dc.subjectK-particle swarm optimizationpt_BR
dc.titleDesempenho de algoritmos para agrupamento de descontinuidades em maciços rochosos.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeGertrudes, Jadson Castropt_BR
dc.contributor.refereeAlmeida, Sílvia Grasiella Moreirapt_BR
dc.contributor.refereeKlen, André Monteiropt_BR
dc.contributor.refereeSantana, Adrielle de Carvalhopt_BR
dc.description.abstractenDiscontinuity is a surface that internally separates one rock mass from another. The identification of groups of discontinuities allows identifying important parameters concerning the stability of rock masses, such as rupture mechanisms and permeability. However, satisfactorily defining such parameters using the personal interpretation of the pole diagram (classical method) is sometimes insufficient, since this method depends on the geotechnician’s experience and can still lead to subjective interpretations. In this context, several authors present the development of numerical clustering methods and also optimization methods that seek to minimize the factors of subjectivity and also achieve good performance indicators. Based on that, this work is developed, comparing the results and performance obtained by deterministic clustering methods with stochastic methods, namely: Fuzzy K-Means method and K-Particle Swarm Optimization method. As a product, there is a compilation of the results of each of the methods, with performance indicators that allow inferring about better application scenarios. In addition, operational complexity, adjustment parameters, computational cost and the identification of discontinuities in border regions are treated.pt_BR
dc.contributor.authorID16.2.1580pt_BR
Aparece nas coleções:Engenharia de Controle e Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_DesempenhoAlgoritmosAgrupamentos.pdf5,74 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons